结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。     

基于特征叠加网络的SAR海上舰船运动状态感知方法

针对合成孔径雷达(SAR)图像中的舰船检测与分类问题，常规的图像处理技术或者机器学习方式难以准确检测出海上舰船的类别以及当前舰船运行状态。因海上舰船目标具有相对于SAR图像尺寸较小、方位难以测算以及容易与其他目标混淆的特点，针对上述问题设计了端到端的海上舰船分类与状态感知模型，加入特征金字塔以达到拥有对于微小目标提取其深度特征，同时又保留其相对位置的目的;使用残差结构以解决特征融合网络层数增加导致的梯度消失问题;最后加入舰船状态感知模块，使其最终可以得到海上舰船目标相对于图像的角度值。使用公开SAR卫星图像进行了多次实验，最终体现出提出的端到端的模型具有较高的识别率以及良好的舰船状态估计能力。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。     

基于多DSP的机载SAR距离徙动校正实现方法

针对机载合成孔径雷达(SAR)数据量大、运算复杂、实时性能要求高等问题，提出了一种基于多片多核DSP并行的方式实现机载SAR距离徙动校正的方法。重点介绍实现过程中的片间及片内并行和同步处理、数据交互、数据分配，距离徙动校正的距离向脉冲压缩和惯导补偿，以及多普勒中心估计实现的具体步骤，利用点仿真和实测数据验证了该方法的有效性，并提出优化模块，进一步提高运算的实时性。     

合成孔径雷达射频干扰抑制技术进展及展望

射频干扰(RFI)是影响合成孔径雷达精确遥感的一个难点问题,严重阻碍了原始回波的采集、成像和后续解译过程。本文对适用于合成孔径雷达系统的RFI抑制技术进行了综述研究。首先分析了典型的星载和地面RFI源以及其对合成孔径雷达系统的影响,给出了典型RFI类型的信号模型和实测数据示例;然后系统地介绍了抑制RFI的先进信号处理技术,并从适用性的角度讨论了每种方法的优缺点;最后从认知、综合和自适应的角度探讨了未来干扰抑制技术的发展趋势与展望。     

一种改进的补偿因子区域不变CS算法及Simulink模型建模

相位补偿因子、距离向补偿因子和方位向补偿因子的产生是合成孔径雷达实时CS（Chirp Scaling，调频变标）算法中的关键。针对一种现有的补偿因子区域不变CS算法进行了改进，对于更新步长内各单元的统一补偿因子，采用该区域内所有单元频率平均值对应的补偿因子，代替原来使用的第一个单元对应的补偿因子，使得最终的补偿结果相比于原有算法更加均匀，计算量与原有算法相当。经过Matlab仿真验证，改进算法的成像指标得到提升。为便于生成FPGA代码，采用Simulink工具搭建了用于生成改进算法中三种补偿因子的模型。将Simulink模型输出的代码加载到Vivado软件中，对Vivado输出的补偿因子与由Matlab输出的精确补偿因子进行了对比，精度满足要求，验证了所搭建Simulink模型的准确性。     

一种基于遗传算法的最小熵自聚焦方法

自聚焦算法是获得高质量合成孔径雷达SAR(Synthetic Aperture Radar)图像的重要步骤.针对复杂成像场景和复杂运动误差SAR自聚焦问题,提出一种基于遗传算法的最小熵自聚焦方法.方法 通过高阶多项式函数拟合相位误差,以图像熵为代价函数,利用遗传算法最小化代价函数进而估计出相位误差,尤其适合于成像场景没...